ChatGPTの回答が薄い営業へ｜”使える答え”に変えるプロンプト術

ChatGPTに営業の相談を投げても、返ってくるのは「顧客のニーズを理解しましょう」「信頼関係を築きましょう」といった、どこかで聞いた一般論ばかり。数回試して「結局、教科書に書いてあることしか言わないな」と使うのをやめてしまった——そんな営業は多い。

結論から言う。回答が薄いのはAIの性能不足ではなく、こちらが渡す「前提」と「具体」が足りないからだ。ChatGPTは、質問文に含まれた情報の質以上の答えは返せない。「役割・前提・制約・出力形式・具体例」の5点を足すだけで、同じAIから返ってくる答えは別物になる。抽象的な訓示が、明日の商談で使える台本に変わる。

この記事では、なぜ回答が薄くなるのかという原因を4つに分解したうえで、答えを濃くする5要素を表で整理する。さらに営業の3タスク（商談準備・メール・切り返し）について、悪いプロンプトと良いプロンプトをコードブロックで並べて示す。プロンプトの型を一つ持ち帰れば、ChatGPTは「使えないおもちゃ」から「手放せない相棒」に変わる。精神論は書かない。今日のうちに試せる具体だけを記す。

なぜChatGPTの回答は薄くなるのか

ChatGPTの回答が薄くなる最大の原因は、質問が「丸投げ」になっているからだ。AIはあなたの業界も、商談相手も、抱えている事情も知らない。情報を与えなければ、誰にでも当てはまる最大公約数の答え、つまり一般論を返すしかない。

生成AIの業務活用では、成果を出す人と出せない人の差は、ツールそのものよりも「使いこなし方」に大きく左右されるとされる。同じChatGPTを触っていても、指示の設計が違えば出力は天と地ほど変わる。これは特別な才能の話ではなく、渡す情報の設計という技術の話だ。

薄い回答を生む質問には、共通する4つの欠陥がある。自分の使い方に心当たりがないか、確認してほしい。

欠陥	ありがちな質問	なぜ薄くなるか
丸投げ	「営業で成果を出す方法は？」	範囲が広すぎてAIが一般論に逃げる
主語がない	「提案書のコツを教えて」	誰が誰に出す提案書か不明で焦点が定まらない
背景ゼロ	「値引き交渉の返し方は？」	相手・金額・状況が不明で教科書的回答になる
出力形式の未指定	「商談の準備を手伝って」	何をどの形で出すか指定がなく、使いにくい散文が返る

この4つは、いずれも「AIに考える材料を渡していない」という一点に集約される。裏を返せば、材料さえ揃えれば回答は一気に濃くなる。次章でその材料を5つの要素に分解する。

回答を濃くする5要素とは何か

ChatGPTの回答を濃くする材料は、5つの要素に整理できる。役割・前提・制約・出力形式・具体例だ。この5点を質問に足すだけで、AIは一般論から抜け出し、あなたの状況に最適化した答えを返すようになる。

要素ごとに、営業タスクでどう埋めるかを示す。すべてを毎回入れる必要はないが、回答が薄いと感じたら、抜けている要素を疑えばよい。

要素	役割	営業での埋め方（例）
①役割	AIに立場を与え、視点を固定する	「あなたは製造業向けのトップ営業だ」
②前提・背景	状況・相手・商材を具体的に伝える	「相手は従業員50名の製造業、決裁者は役員。当社はSFAを提供」
③制約条件	守るべき条件で答えを絞り込む	「専門用語は使わない」「3案に絞る」「予算は月5万円以内」
④出力形式	使える形で出させる	「表で」「箇条書きで」「そのまま送れるメール文で」
⑤具体例	良し悪しの基準や自社の型を示す	「過去に刺さったトークはこれ→（実例）」

とりわけ効くのが②前提と⑤具体例だ。この2つは、AIがあなたの現場を理解するための情報そのものであり、ここを具体的に書くほど出力は鋭くなる。逆に①〜④を整えても、前提が「うちの商材について」のように曖昧では、答えはぼやけたままになる。

5要素を一つの文にまとめると、プロンプトはたとえば次の骨格になる。

【役割】あなたは〔業界〕向けのトップ営業だ。
【前提】相手は〔相手の属性・役職〕。当社は〔自社の商材〕を扱う。今回の状況は〔商談フェーズや課題〕。
【制約】〔守ってほしい条件。専門用語NG／案数／文字数など〕。
【出力形式】〔表／箇条書き／メール文など、使いたい形〕で出力してほしい。
【具体例】参考として、過去にうまくいった例はこれだ→〔実例〕。

この骨格の〔　〕を埋めるだけで、質問は「丸投げ」から「設計された指示」に変わる。次章では、この5要素が実際の出力をどう変えるかを、営業の3タスクで検証する。

Before/Afterで見る営業プロンプトの型

ここからが本体だ。営業現場で頻出する3タスク——商談準備・メール作成・切り返し——について、薄い回答しか出ないプロンプトと、5要素を足したプロンプトを並べて示す。Beforeがありがちな丸投げ、Afterが設計された指示である。違いを見れば、何を足せばよいかが体感できるはずだ。

商談準備｜下調べはどう頼むか

商談準備の下調べでは、相手の情報と自分の目的をAIに渡せるかで、出力の使い勝手が決まる。丸投げすれば一般的な準備リストが返るだけだが、前提と出力形式を足せば、その商談専用の想定問答が手に入る。

【Before｜丸投げ】
明日の商談の準備を手伝って。

これでは「相手企業を調べましょう」「課題を仮説立てしましょう」といった、誰の商談にも当てはまる一般論が返る。相手も自社も目的も伝わっていないからだ。

【After｜5要素を足す】
あなたは製造業に強いB2B営業だ。
明日、従業員80名の金属加工会社と商談がある。相手は製造部長。
当社は生産管理SFAを提供しており、今回は初回提案の場だ。
この商談に向けて、以下を表で出してほしい。
・相手が抱えていそうな課題の仮説（3つ）
・各課題に対して当社が話すべき切り口
・相手から出そうな懸念と、その想定回答
専門用語は避け、製造現場の言葉で書いてほしい。

役割・前提・制約・出力形式を足しただけで、返ってくるのは汎用リストではなく、この商談で使える想定問答表になる。準備の質が、質問の設計だけで変わる。

営業メール｜そのまま送れる文にするには

営業メールをAIに書かせるなら、相手の属性とフックを前提として渡し、出力形式を「メール文」と指定するのが要点だ。ここを省くと、返信の来ない当たり障りのない文面が出てくる。

【Before｜丸投げ】
アポ打診のメールを書いて。

これでは「お世話になっております」で始まる、どの相手にも送れる無難なテンプレが返る。会う理由が相手側に一つもない、既読スルーされる典型だ。

【After｜5要素を足す】
あなたはB2B営業の初回アプローチのプロだ。
相手は従業員50名の製造業の営業部長。当社は案件管理SFAを提供している。
フックは「Excel運用による引き継ぎ漏れの失注」という同業の共通課題だ。
この相手に送る初回アポ打診メールを、そのまま送れる本文の形で書いてほしい。
制約：件名込みで250字以内、テンプレ感のある挨拶は省き、冒頭で相手の課題に触れること。

前提でフックを渡し、制約で字数と書き出しを縛ったことで、出力は「相手宛て」に読める一通になる。なお、シーン別のメールプロンプトをさらに詳しく揃えたい場合は、営業メールをAIで作るで初回打診から失注掘り起こしまでの型を用意している。あわせて使ってほしい。

切り返し｜断り文句への返答を鍛えるには

顧客の断り文句への切り返しをAIに頼むときは、実際に言われたセリフと自社の強みを具体的に渡すのが肝だ。「反論処理のコツ」と聞けば教科書が返るだけだが、生のセリフを渡せば、その場で使える返答案が出る。

【Before｜丸投げ】
値段が高いと言われたときの返し方は？

これでは「価値を伝えましょう」「他社と比較して優位性を示しましょう」という、誰でも知っている原則論が返る。今すぐ口に出せる言葉にはならない。

【After｜5要素を足す】
あなたは反論処理に長けたB2B営業のコーチだ。
商談で相手（製造業の役員）から「他社より月2万円高い」と言われた。
当社SFAの強みは、導入後の定着支援が手厚く、他社より現場の入力率が高い点だ。
この断り文句への切り返しトークを3案、実際に口に出せるセリフの形で出してほしい。
制約：値引きには応じない前提で、価格差を上回る価値で返すこと。各案は2〜3文に収める。

言われたセリフ・相手の立場・自社の強みという前提を渡したことで、返ってくるのは原則論ではなく、次の商談でそのまま試せる3つの台本になる。切り返しは場数だと言われるが、その場数をAIとの壁打ちで先に踏める。